Mistral เปิดตัว Timestral โมเดลพยากรณ์อนุกรมเวลาขนาด 209M
Mistral เปิดตัว Timestral โมเดลพยากรณ์อนุกรมเวลาตระกูลใหม่ที่มีขนาดตั้งแต่ 5M ถึง 209M พารามิเตอร์ ซึ่งรุ่นใหญ่สุดสามารถเอาชนะ Google TimesFM-3 บน zero-shot และรันบน CPU ได้
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Mistral เปิดตัว Timestral โมเดลพยากรณ์อนุกรมเวลาขนาด 5M ถึง 209M พารามิเตอร์
- รุ่น 209M ทำคะแนนนำบน GIFT-Eval, TIME และ fev-bench ในกลุ่ม zero-shot models
- โมเดลตระกูลนี้มีความสามารถในการประมวลผลและทำงานได้อย่างมีประสิทธิภาพบน CPU
- ข้อมูลประกาศจาก MarkTechPost เมื่อวันที่ 18 ตุลาคม 2026
บริษัท Mistral AI ได้ประกาศเปิดตัวโมเดลตระกูลใหม่ล่าสุดในชื่อ Timestral ซึ่งเป็นโมเดลพื้นฐานสำหรับข้อมูลอนุกรมเวลา (time series foundation model family) โดยมีขนาดพารามิเตอร์ให้เลือกตั้งแต่น้อยที่สุด 5 ล้าน (5M) ไปจนถึงรุ่นใหญ่สุดที่ 209 ล้าน (209M) พารามิเตอร์ เพื่อตอบสนองความต้องการด้านการพยากรณ์ข้อมูลที่มีความซับซ้อนและหลากหลายรูปแบบในปัจจุบัน
ไฮไลต์สำคัญของการเปิดตัวครั้งนี้อยู่ที่รุ่นขนาด 209M พารามิเตอร์ ซึ่งสามารถทำผลงานได้อย่างโดดเด่นเหนือกว่าโมเดลคู่แข่งอย่าง TimesFM-3 ของ Google บนเกณฑ์การประเมินมาตรฐานหลายรายการ รวมถึง GIFT-Eval, TIME และ fev-bench ในกลุ่มโมเดลแบบ zero-shot ทำให้มันกลายเป็นหนึ่งในตัวเลือกที่น่าจับตามองในแวดวงปัญญาประดิษฐ์สำหรับการวิเคราะห์ข้ามเวลา
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
จุดเด่นอีกประการหนึ่งที่ทางผู้พัฒนาได้เน้นย้ำคือ ประสิทธิภาพในการทำงานของโมเดลตระกูล Timestral ที่ถูกออกแบบมาให้สามารถรันบนซีพียู (CPU) ทั่วไปได้โดยตรง ช่วยลดข้อจำกัดและต้นทุนในการใช้งานฮาร์ดแวร์ราคาแพงอย่างหน่วยประมวลผลกราฟิก (GPU) สำหรับงานพยากรณ์อนุกรมเวลาขนาดใหญ่
การที่ Mistral AI พัฒนาโมเดลตระกูล Timestral ให้สามารถรันบน CPU ได้สำเร็จ ถือเป็นก้าวสำคัญในการเพิ่มความเข้าถึงได้ง่าย (accessibility) สำหรับนักพัฒนาและองค์กรขนาดกลางถึงเล็กที่ไม่จำเป็นต้องลงทุนกับโครงสร้างพื้นฐานด้านฮาร์ดแวร์ราคาสูง การเปรียบเทียบกับ TimesFM-3 ของ Google ยังแสดงให้เห็นถึงการแข่งขันที่ดุเดือดในตลาดโมเดลเฉพาะทาง เช่น การพยากรณ์ทางการเงิน สภาพอากาศ หรือห่วงโซ่อุปทาน ที่ความแม่นยำและความเร็วในการประมวลผลเป็นหัวใจสำคัญ
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น